Abstract P451: Clinical Characteristics of Coagulopathic Intracranial Hemorrhages
Notice bibliographique
Résumé
Introduction: Acute non-traumatic intracerebral hemorrhage (ICH) is the second-most common subtype of stroke and has a 40% mortality rate at one month. Non-iatrogenic coagulopathies comprise less than 20% of ICH and few studies have investigated characteristics of these groups. We compared baseline characteristics of individuals with ICH with and without non-iatrogenic coagulopathy. Methods: A retrospective study of 392 consecutive patients with ICHs between 2017 and 2019 were analyzed by the absence of coagulopathy, presence of anticoagulation and non-iatrogenic coagulopathy. Non-iatrogenic coagulopathy was defined as a prior documented coagulopathy (such as liver/kidney disease or cancer), platelets <100K, INR >2.0 or aPTT >60 seconds. Location(s) and size of abnormalities on prior imaging and presenting ICH were recorded. A two-tailed type 1 Student’s t -test (continuous variables), chi-squared test (categorical variables), Bonferroni corrections and Cramer’s V were used for statistical analyses. Preliminary Results: Of 392 patients with ICH, 28 (7.1%) were anti-coagulated and 29 (7.4%) had non-iatrogenic coagulopathy. There were lower/comparable rates of hypertension (83%, p=0.02 and p=0.25) and higher rates of alcohol use (28%, p=0.01 and p<0.01) and chronic kidney disease (38%, p<0.01 and p<0.01) in the non-iatrogenic coagulopathy compared to non-coagulopathic and anticoagulated groups, respectively. Highest baseline blood pressure was lower in the non-iatrogenic coagulopathy (systolic p=0.09, diastolic p=0.04) and anticoagulated groups (systolic p=0.02, diastolic p=0.22) compared to non-coagulopathic ICH. Conclusion: Our preliminary findings suggest that individuals with non-iatrogenic coagulopathy are as common as anticoagulated patients in our ICH cohort and have distinct clinical characteristics. Future directions, such as neuroimaging anaysis and assessment of functional outcomes, will determine if there are risk factors that would warrant distinct treatments beyond standard supportive management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».